A review of regularised estimation methods and cross-validation in spatiotemporal statistics
时空统计中的正则化估计方法与交叉验证综述AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于通用时空正则化综述，未明确研究给定分类中的经济网络干扰或其他特定方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
时空统计中的正则化估计方法与交叉验证综述
- 研究问题
- 面对大规模地理空间数据，哪些正则化方法适用于地统计和空间计量模型，如何服务于变量选择、降维和空间关系估计？
- 方法与思路
- 作者从多变量时空过程出发，讨论惩罚估计与收缩目标，再以混合效应模型框架组织适用于多类时空模型的方法。
- 材料陈述的贡献
- 摘要称综述展示正则化在回归变量选择、协方差降维、条件独立位置识别及完整空间交互矩阵估计中的用途。
- 阅读关注点
- 应核对各类惩罚及收缩目标适用的模型、空间依赖下验证集的划分，以及题名所列交叉验证在正文中的具体覆盖。
- 阅读边界
- 仅据 arXiv 预印本摘要，不能确认同行评审或期刊接收；摘要未展开交叉验证方法，也未说明各程序的理论保证或性能比较。
原文摘要
This review article focuses on regularised estimation procedures applicable to geostatistical and spatial econometric models. These methods are particularly relevant in the case of big geospatial data for dimensionality reduction or model selection. To structure the review, we initially consider the most general case of multivariate spatiotemporal processes (i.e., $g > 1$ dimensions of the spatial domain, a one-dimensional temporal domain, and $q \geq 1$ random variables). Then, the idea of regularised/penalised estimation procedures and different choices of shrinkage targets are discussed. Finally, guided by the elements of a mixed-effects model setup, which allows for a variety of spatiotemporal models, we show different regularisation procedures and how they can be used for the analysis of geo-referenced data, e.g. for selection of relevant regressors, dimensionality reduction of the covariance matrices, detection of conditionally independent locations, or the estimation of a full spatial interaction matrix.